CN109272544A - 管道全位置焊缝的结构光三维测量模型和图像处理方法 - Google Patents
管道全位置焊缝的结构光三维测量模型和图像处理方法 Download PDFInfo
- Publication number
- CN109272544A CN109272544A CN201811229000.3A CN201811229000A CN109272544A CN 109272544 A CN109272544 A CN 109272544A CN 201811229000 A CN201811229000 A CN 201811229000A CN 109272544 A CN109272544 A CN 109272544A
- Authority
- CN
- China
- Prior art keywords
- weld
- image
- pipeline
- weld seam
- coordinate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000005259 measurement Methods 0.000 title claims abstract description 27
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 57
- 230000003287 optical effect Effects 0.000 claims abstract description 52
- 238000000605 extraction Methods 0.000 claims abstract description 37
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 239000000284 extract Substances 0.000 claims abstract description 10
- 238000013178 mathematical model Methods 0.000 claims abstract description 9
- 238000007781 pre-processing Methods 0.000 claims abstract description 6
- 238000003466 welding Methods 0.000 claims description 35
- 238000012545 processing Methods 0.000 claims description 15
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 description 6
- 230000000007 visual effect Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 239000002537 cosmetic Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 239000003500 flue dust Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30152—Solder
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Optics & Photonics (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开一种管道全位置焊缝的结构光三维测量模型和图像处理方法,包括:S1、构建管道焊缝结构光三维测量的数学模型,将图像坐标系中的坐标值转换到相机坐标系下;S2、图像预处理:实时采集焊缝图像,并对采集的焊缝图像进行预处理;S3、光条中心提取:利用改进的高斯拟合法进行焊缝图像的光条中心提取;S4、拐点定位:利用斜率分析法与“最近原则”结合的算法进行拐点定位,提取焊缝信息。本发明方法对于V形焊缝或者倒梯形焊缝,均可以在弧光、飞溅干扰下十分准确的提取出拐点附近的光条中心,然后由斜率分析法与“最近原则”得到焊缝边缘拐点位置信息,从而实现在强干扰条件下快速、准确的获取焊缝三维形貌,进而实现焊缝跟踪。
Description
技术领域
本发明涉及结构光三维测量领域,尤其涉及管道全位置自动焊的焊缝信息结构光三维 测量领域,具体为管道全位置焊缝的结构光三维测量模型和图像处理方法。
背景技术
焊接机器人发展迅猛,几乎和典型关节机器人发展同步。但是在各种大型管道铺设、 大型球罐焊接等地方,关节机器人却有很大的空间局限性,无法一次性进行整圈环焊,且 难以进行野外施工和水下作业,而管道机器人以其灵活性而得以在这些场合获得广泛的应 用。
实现快速、有效的焊缝跟踪是提高管道机器人焊接质量的关键,常见的焊缝跟踪方法 有多种,如机械式、电磁式、电弧传感式、视觉传感式等。其中,基于结构光法的视觉传感式由于其速度快、精度高、获取的信息丰富而备受青睐。由于焊接机器人在管道上的行走过程中,其上安装的视觉传感器相对焊缝的位姿也不可避免的会发生变化,因此,要进行准确的焊缝跟踪,需要通过视觉传感器实现对焊缝形貌的三维测量。
采用视觉传感器进行焊缝跟踪易受到焊接时弧光、飞溅、烟尘以及工件上铁锈、划痕、 标记和氧化皮等因素的影响,尤其V形或者倒梯形焊缝对结构光还具有多次反射的干扰作 用,而且焊接时还同时需要控制焊机的焊接参数并同步送丝、送气等,因此,如何实现在 强干扰条件下快速、准确的获取焊缝三维形貌是实现实时焊缝跟踪的关键所在。
发明内容
本发明的目的是针对现有技术存在的问题,提供一种管道全位置焊缝的结构光三维测 量模型和图像处理方法。
为实现上述目的,本发明采用的技术方案是:
管道全位置焊缝的结构光三维测量模型和图像处理方法,包括以下步骤:
S1、构建管道焊缝结构光三维测量的数学模型,将图像坐标系中的坐标值转换到相机 坐标系下;
S2、图像预处理:焊接过程中实时采集焊缝图像,并对采集的焊缝图像进行预处理;
S3、光条中心提取:利用改进的高斯拟合法进行焊缝图像的光条中心提取;
S4、拐点定位:利用斜率分析法与“最近原则”结合的算法进行拐点定位,提取焊缝信息。
优选地,S1进一步包括:构建管道焊缝结构光三维测量的数学模型,将相机坐标系OCXCYCZC作为测量坐标系,OCXC轴垂直于机器人行走方向,OCYC轴平行于机器人行走 方向,OCZC为相机镜头光轴,通过空间上一点在相机坐标系下的坐标和这一点的理想计 算机图像坐标之间的关系、这一点的理想计算机图像坐标和这一点的实际图像坐标之间的 关系,以及光平面在相机坐标系下的方程,得到图像上任意一点坐标在相机坐标系下的坐 标。
优选地,采集焊缝图像的步骤进一步包括:利用焊接机器人采集焊缝图像,所述焊接 机器人设置有激光器、工业相机、焊枪,所述焊枪对准焊缝,所述激光器发射激光照射到焊缝上,所述工业相机采集照射点的焊缝图像。
优选地,对采集的焊缝图像进行预处理的步骤进一步包括:加窗、去噪、平滑、腐蚀、 膨胀和高斯滤波。
优选地,所述改进的高斯拟合法包括:根据相邻两列像素的光条中心相差不超过一个 像素,将前一列像素的光条中心作为当前列像素高斯曲线拟合的数据范围的中心,而被拟 合的数据量自适应为当前列光条宽度像素个数的1.5倍,并根据光条图像坡口内质量较低 而管道上质量较高的特点,将光条中心的提取分成两段,分别从两侧往中间提取,为提高 处理速度,只提取焊缝边缘点附近两小段光条的光条中心。
优选地,S3进一步包括:利用斜率分析法提取出所有可能的拐点,图形上第i列光条 中心点的斜率计算式为:
对所有光条中心点斜率进行分析得到所有可能的拐点。
优选地,S3进一步包括:所述“最近原则”为将所有拐点中与上一幅图像拐点距离最 近且距离小于3个像素的拐点作为本图像焊缝边缘拐点。
优选地,所述方法进一步包括:在起焊前采集焊缝图像,提取焊缝信息,并计算“原点”。
优选地,将利用“最近原则”找出的焊缝边缘的两个拐点的中点作为焊缝中心,求出 该中点的三维坐标,将该坐标并与“原点”做差来进行垂直焊缝方向和高度方向的焊缝跟 踪。
与现有技术相比,本发明的有益效果是:1)本发明根据焊缝图像特点,提出一种基于曲线拟合法中高斯曲线拟合的光条中心提取算法,根据光条在图像上的位置,自适应被拟合的数据,具有处理速度快、精度高以及抗干扰能力强的特点;2)本发明针对现有斜 率分析法在图像质量不高时会出现一些多余拐点的问题,提出了一种将斜率分析法与“最 近原则”结合的拐点定位算法,该算法既具有速度快,适用性强,在盖面焊时也能有较为 理想的拐点提取结果的优点,同时又能快速、准确的定位拐点,而且在图像处理失败时对 焊缝跟踪造成的影响也很小,可以在下一次焊枪纠偏时将影响消除;3)本发明的方法对 于V形焊缝或者倒梯形焊缝,均可以在弧光、飞溅干扰下十分准确的提取出拐点附近的光 条中心,然后由斜率分析法与“最近原则”得到焊缝边缘拐点位置信息,从而实现在强干 扰条件下快速、准确的获取焊缝三维形貌,进而实现焊缝跟踪。
附图说明
图1为根据实施例的本发明方法的流程示意图;
图2为本发明方法中数学模型的坐标示意图;
图3至图6为根据实施例的本发明方法对焊缝图像进行光条中心提取和拐点定位的结 果示意图;
图中:1、焊缝;2、焊枪;3、相机;4、激光器。
具体实施方式
下面将结合本发明中的附图,对本发明的技术方案进行清楚、完整地描述,显然,所 描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例, 本领域普通技术人员在没有做出创造性劳动条件下所获得的所有其它实施例,都属于本发 明保护的范围。
本发明提供一种管道全位置焊缝的结构光三维测量模型和图像处理方法,包括以下步 骤:
S1、构建管道焊缝结构光三维测量的数学模型,将图像坐标系中的坐标值转换到相机 坐标系下;
S2、图像预处理:焊接过程中实时采集焊缝图像,并对采集的焊缝图像进行预处理;
S3、光条中心提取:利用改进的高斯拟合法进行焊缝图像的光条中心提取;
S4、拐点定位:利用斜率分析法与“最近原则”结合的算法进行拐点定位,提取焊缝信息。
1.管道焊缝三维测量的数学模型
在具体实施中,由于实现焊缝实时跟踪只需实时获取图像采集时刻的焊缝三维形貌, 无需获取整个焊缝完整的三维形貌。基于此,为提高测量精度以及简化运算,本发明的三 维测量数学模型将相机坐标系OCXCYCZC作为测量坐标系,OCXC轴垂直于机器人行走方向,OCYC轴平行于机器人行走方向,OCZC为相机镜头光轴,如图2所示。
空间上一点在相机坐标系下的坐标(xc,yc,zc)和其理想计算机图像坐标(u,v)的关 系如式(1)所示:
式中R和T分别为世界坐标系到相机坐标系的旋转矩阵和平移矩阵;矩阵A为相机的内部参数矩阵;γ表示u轴和v轴的不垂直因子;(u0,v0)为计 算机图像坐标系原点。
考虑到畸变的影响,理想计算机图像坐标(u,v)和实际图像坐标(ud,vd)的转换关系 为:
式中,x=(u-u0)/fx,y=(v-v0)/fy,r=x2+y2,k1、k2为镜头的径向畸变 系数,p1、p2为切向畸变系数。
联立(1)、(2)式与光平面在相机坐标系下的方程aXc+bYc+cZc+d=0,即 可根据图像上任意一点的坐标(ud,vd)求得其在相机坐标系下的坐标(xc,yc,zc)。
2.焊缝信息的提取
对于焊接过程中的弧光、飞溅、烟尘等诸多干扰,为实现焊缝跟踪,需要提取的 焊缝信息是焊缝边缘两拐点的位置信息,分为三步进行:图像预处理、光条中心提取以及 拐点定位。如图1所示。
具体地,利用焊接机器人采集焊缝图像,所述焊接机器人设置有激光器、工业相机、 焊枪,所述焊枪对准焊缝,所述激光器发射激光照射到焊缝上,所述工业相机采集照射点 的焊缝图像。
2.1图像预处理
对采集的焊缝图像进行预处理,图像的预处理首先选择合适的ROI区域,通过加窗减小被处理图片尺寸,提高图像处理速度。接下来进行图像的去噪及平滑处理,考虑到还需要进行后续的结构光光条中心提取以及焊缝图像拐点提取,因此进行图像的腐蚀、膨胀后,再进行高斯滤波,滤去一波分噪声的同时,保留更多的图像总体灰度分布特征。
2.2光条中心提取
光条中心的提取是焊缝信息获取中重要的一步,它的处理精度与速度将直接影响最终 结果的精度与速度。光条中心的提取方法主要有:几何中心法、阈值法、细化法、极值法、 灰度重心法、方向模板法、Hessian矩阵法以及曲线拟合法等。几何中心法处理速度快,但 是对图像质量要求比较高;阈值法精度不高,且易受噪声干扰;细化法处理速度较慢,实时性差;极值法速度极快,但同样易受噪声干扰;灰度重心法精度较高,适用于光条强度 分布较集中的场合;方向模板法和Hessian矩阵法运算量大,处理速度慢;曲线拟合法精 度较几何中心法、灰度重心法等的精度要高,但不适合用于窄带光条中心的提取。本发明 根据焊缝图像特点,设计了一种基于曲线拟合法中高斯曲线拟合的光条中心提取算法,根 据光条在图像上的位置,自适应被拟合的数据,具有处理速度快、精度高以及抗干扰能力 强等特点。
高斯曲线拟合即使用形如下式所示的高斯函数用最小二乘法对数据点集进行函数逼 近的拟合方法。
式中:ymax、xmax、S分别为高斯曲线的峰值、峰值位置和半宽度信息。
使用高斯曲线拟合法进行光条中心提取时,一般需要先对光条图像进行光条中心的粗 提取,得到光条中心所在的大致位置,然后以该位置为中心,取合适的被拟合数据量进行 高斯曲线拟合得到精确的光条中心点。实际上由于焊缝图像具有弧光、飞溅、坡口反光等 诸多干扰因素,因此光条中心的粗提取准确度难以保证,而高斯曲线的峰值若不在拟合的 数据范围的中心附近,拟合结果将具有很大的误差;而且粗提取过程也将影响光条中心的 提取速度;另外,由于坡口倾斜以及高斯光束本身的特性,焊缝图像上两边管道部分和中 间坡口部分的光条宽度不相同,若被拟合数据量不合适也将影响高斯拟合的精度。
针对以上问题,本发明针对焊缝图像的光条中心提取提出一种改进的高斯拟合法:该 算法根据相邻两列像素的光条中心相差不超过一个像素,将前一列像素的光条中心作为该 列像素高斯曲线拟合的数据范围的中心,而被拟合的数据量自适应为该列光条宽度像素个 数的1.5倍,并根据光条图像坡口内质量较低而管道上质量较高的特点,将光条中心的提 取分成两段,分别从两侧往中间提取,为提高处理速度,只提取焊缝边缘点附近两小段光 条的光条中心。具体的提取流程如下所述:
首先确定合适的左起点。考虑到相邻两幅图像的光条所在位置十分相近,将上一幅图 焊缝左边缘点图像坐标的横坐标减40作为左起点横坐标;并将上一幅图的左起点(xol,yol) 纵坐标yol作为当前处理图像左起点的被拟合数据范围中心;然后通过分析阈值求出本列 像素的光条宽度d,将光条宽度的1.5倍作为被拟合的数据量;将这些点的纵坐标(yol-3d/4)~(yol+3d/4)与它们对应的灰度值g1,g2,...,g3d/2用最小二成法拟合成高斯 曲线,考虑到纵坐标数值较大而两点间隔仅为1,拟合结果的系数可能过大或者过小而影 响精度,因此先将所有纵坐标同时减去yol再进行拟合,那么左起点纵坐标为:
式中:a1、a2为高斯曲线拟合结果的一次项系数和二次项系数。
结合前面计算的左起点横坐标得到左起点具体坐标。而第一幅图像可以在焊枪起焊前 采集,由于没有弧光、飞溅等诸多干扰,因此其图像质量很高,光条中心也易于十分准确 的提取,保证了后续起点的正确性;并根据处理得到的焊缝图像两拐点求出焊缝中心,将 其三维坐标作为焊缝跟踪的“原点”。
接下来从左起点开始,光条中心的提取以前一列像素的光条中心作为被拟合数据范围 的中心,也即将前一列像素的光条中心点作为了高斯曲线拟合光条中心粗提取结果,被拟 合的数据量为本列光条宽度的1.5倍,然后依次准确求出逐列光条中心。考虑实际图像大 小以及提高处理速度,连续提取80列像素的光条中心作为左段光条中心的提取结果。
接着以类似于计算左起点的方式获取右起点,相反的是,接下来从右起点往前提取光 条中心,即前一列像素的光条中心的提取被拟合数据是将后一列像素光条中心作为中心, 数据量仍为本列光条宽度的1.5倍,依次求80列像素的光条中心得到右段光条中心的提取 结果。
最后将左段光条中心与右段光条中心合到一起作为最终的光条中心提取结果。
2.3拐点定位
准确的拐点定位是获取焊缝信息的关键所在,常见的拐点定位方法有模板匹配法和斜 率分析法。模板匹配法是在采集的焊缝图像中搜索已知模板从而进行拐点定位的一种方 法,这种方法具有较高的提取精度,但是对于多层多道焊时需要更换经常模板;斜率分析 法是根据管道上的光条斜率的变化来提取拐点的一种方法,这种方法速度快,适用性强, 在盖面焊时也能有较为理想的拐点提取结果,但是对于图像质量不高时会出现一些多余的 拐点。本发明针对斜率分析法的缺点设计了一种将斜率分析法与“最近原则”结合的拐点 定位算法,具有处理速度快、精度高、不易受干扰等特点。
首先使用斜率分析法提取出所有可能的拐点,图像上第i列光条中心点的斜率计算式 为:
对所有光条中心点斜率进行分析得到所有可能的拐点。接下来根据每幅图像中光条所在的位置相差很小,也即每幅图像焊缝边缘拐点的位置相差也会很小,因此,可以将所有拐点中,距离上一幅图像拐点最近的且距离小于3个像素的拐点作为本图像焊缝边缘拐点。使用这种“最近原则”找出的焊缝边缘的两个拐点,将它们的中点作为焊缝中心, 求出其三维坐标,与“原点”做差可进行垂直焊缝方向和高度方向的焊缝跟踪。
采用“最近原则”不仅能快速、准确的定位拐点,而且在图像处理失败时对焊缝 跟踪造成的影响也很小,可以在下一次焊枪纠偏时将影响消除。
3.实施情况
本算法对焊接过程中采集到的部分图像进行光条中心提取以及拐点定位的结果,如图 3至图6所示。从图中可以看出,无论是V形焊缝还是倒梯形焊缝,改进的高斯曲线拟合法均可以在弧光、飞溅干扰下十分准确的提取出拐点附近的光条中心,然后由斜率分析法与“最近原则”得到焊缝边缘拐点位置信息。
本发明根据焊缝图像特点,提出一种基于曲线拟合法中高斯曲线拟合的光条中心提取 算法,根据光条在图像上的位置,自适应被拟合的数据,具有处理速度快、精度高以及抗 干扰能力强的特点。
本发明针对现有斜率分析法在图像质量不高时会出现一些多余拐点的问题,提出了一 种将斜率分析法与“最近原则”结合的拐点定位算法,该算法既具有速度快,适用性强, 在盖面焊时也能有较为理想的拐点提取结果的优点,同时又能快速、准确的定位拐点,而 且在图像处理失败时对焊缝跟踪造成的影响也很小,可以在下一次焊枪纠偏时将影响消 除。
本发明的方法对于V形焊缝或者倒梯形焊缝,均可以在弧光、飞溅干扰下十分准确的 提取出拐点附近的光条中心,然后由斜率分析法与“最近原则”得到焊缝边缘拐点位置信 息,从而实现在强干扰条件下快速、准确的获取焊缝三维形貌,进而实现焊缝跟踪。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解 在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变 型,本发明的范围由所附权利要求及其等同物限定。
Claims (9)
1.管道全位置焊缝的结构光三维测量模型和图像处理方法,其特征在于,包括以下步骤:
S1、构建管道焊缝结构光三维测量的数学模型,将图像坐标系中的坐标值转换到相机坐标系下;
S2、图像预处理:焊接过程中实时采集焊缝图像,并对采集的焊缝图像进行预处理;
S3、光条中心提取:利用改进的高斯拟合法进行焊缝图像的光条中心提取;
S4、拐点定位:利用斜率分析法与“最近原则”结合的算法进行拐点定位,提取焊缝信息。
2.根据权利要求1所述的管道全位置焊缝的结构光三维测量模型和图像处理方法,其特征在于,S1进一步包括:构建管道焊缝结构光三维测量的数学模型,将相机坐标系OCXCYCZC作为测量坐标系,OCXC轴垂直于机器人行走方向,OCYC轴平行于机器人行走方向,OCZC为相机镜头光轴,通过空间上一点在相机坐标系下的坐标和这一点的理想计算机图像坐标之间的关系、这一点的理想计算机图像坐标和这一点的实际图像坐标之间的关系,以及光平面在相机坐标系下的方程,得到图像上任意一点坐标在相机坐标系下的坐标。
3.根据权利要求1所述的管道全位置焊缝的结构光三维测量模型和图像处理方法,其特征在于,采集焊缝图像的步骤进一步包括:利用焊接机器人采集焊缝图像,所述焊接机器人设置有激光器、工业相机、焊枪,所述焊枪对准焊缝,所述激光器发射激光照射到焊缝上,所述工业相机采集照射点的焊缝图像。
4.根据权利要求1所述的管道全位置焊缝的结构光三维测量模型和图像处理方法,其特征在于,对采集的焊缝图像进行预处理的步骤进一步包括:加窗、去噪、平滑、腐蚀、膨胀和高斯滤波。
5.根据权利要求1所述的管道全位置焊缝的结构光三维测量模型和图像处理方法,其特征在于,所述改进的高斯拟合法包括:根据相邻两列像素的光条中心相差不超过一个像素,将前一列像素的光条中心作为当前列像素高斯曲线拟合的数据范围的中心,而被拟合的数据量自适应为当前列光条宽度像素个数的1.5倍,并根据光条图像坡口内质量较低而管道上质量较高的特点,将光条中心的提取分成两段,分别从两侧往中间提取,为提高处理速度,只提取焊缝边缘点附近两小段光条的光条中心。
6.根据权利要求1所述的管道全位置焊缝的结构光三维测量模型和图像处理方法,其特征在于,S3进一步包括:利用斜率分析法提取出所有可能的拐点,图形上第i列光条中心点的斜率计算式为:
对所有光条中心点斜率进行分析得到所有可能的拐点。
7.根据权利要求6所述的管道全位置焊缝的结构光三维测量模型和图像处理方法,其特征在于,S3进一步包括:所述“最近原则”为将所有拐点中与上一幅图像拐点距离最近且距离小于3个像素的拐点作为本图像焊缝边缘拐点。
8.根据权利要求1所述的管道全位置焊缝的结构光三维测量模型和图像处理方法,其特征在于,所述方法进一步包括:在起焊前采集焊缝图像,提取焊缝信息,并计算“原点”。
9.根据权利要求7和8中任一项所述的管道全位置焊缝的结构光三维测量模型和图像处理方法,其特征在于,将利用“最近原则”找出的焊缝边缘的两个拐点的中点作为焊缝中心,求出该中点的三维坐标,将该坐标并与“原点”做差来进行垂直焊缝方向和高度方向的焊缝跟踪。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811229000.3A CN109272544B (zh) | 2018-10-22 | 2018-10-22 | 管道全位置焊缝的结构光三维测量模型和图像处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811229000.3A CN109272544B (zh) | 2018-10-22 | 2018-10-22 | 管道全位置焊缝的结构光三维测量模型和图像处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109272544A true CN109272544A (zh) | 2019-01-25 |
CN109272544B CN109272544B (zh) | 2020-09-08 |
Family
ID=65194089
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811229000.3A Active CN109272544B (zh) | 2018-10-22 | 2018-10-22 | 管道全位置焊缝的结构光三维测量模型和图像处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109272544B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111055054A (zh) * | 2020-01-13 | 2020-04-24 | 北京博清科技有限公司 | 一种焊缝识别方法、装置、焊接机器人及储存介质 |
CN111402323A (zh) * | 2020-03-31 | 2020-07-10 | 北京博清科技有限公司 | 对接焊缝识别方法、装置、设备及存储介质 |
CN111451670A (zh) * | 2020-02-24 | 2020-07-28 | 季华实验室 | 自动焊接方法、装置、设备及计算机可读存储介质 |
CN111504188A (zh) * | 2020-04-28 | 2020-08-07 | 湖北文理学院 | 基于机器视觉的圆弧零件测量方法及装置 |
CN112396644A (zh) * | 2020-11-30 | 2021-02-23 | 安徽维德工业自动化有限公司 | 一种基于3d视觉检测技术的焊缝追踪方法 |
CN112809167A (zh) * | 2020-12-31 | 2021-05-18 | 哈尔滨工业大学 | 一种用于大曲率管件全位置焊接的机器人焊缝跟踪方法 |
CN113894481A (zh) * | 2021-09-09 | 2022-01-07 | 中国科学院自动化研究所 | 复杂空间曲线焊缝的焊接位姿调整方法及装置 |
CN113909689A (zh) * | 2021-11-10 | 2022-01-11 | 佛山市南海区广工大数控装备协同创新研究院 | 一种激光光条的管道焊接坡口特征提取方法 |
CN113909720A (zh) * | 2021-09-24 | 2022-01-11 | 深圳前海瑞集科技有限公司 | 用于深波陡坡波纹板集装箱的焊接装置和焊接方法 |
CN113989379A (zh) * | 2021-10-02 | 2022-01-28 | 南京理工大学 | 基于线激光旋转扫描的轮毂焊缝三维特征测量装置及方法 |
CN114264243A (zh) * | 2021-12-31 | 2022-04-01 | 深圳明锐理想科技有限公司 | 一种检测压接焊点以及测量压接焊点之间线弧高度的方法 |
CN117237434A (zh) * | 2023-11-15 | 2023-12-15 | 太原理工大学 | 一种h型钢尺寸测量方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4312241A1 (de) * | 1993-04-15 | 1994-10-20 | Deutsche Aerospace | Verfahren zur Nahtvermessung |
CN101419061A (zh) * | 2008-12-08 | 2009-04-29 | 北京航空航天大学 | 一种镜像式结构光视觉测量***和测量方法 |
CN102175180A (zh) * | 2011-02-25 | 2011-09-07 | 上海大学 | 基于嵌入式实时数字微镜模块的便携式光三维测量装置 |
CN107876970A (zh) * | 2017-12-13 | 2018-04-06 | 浙江工业大学 | 一种机器人多层多道焊接焊缝三维检测及焊缝拐点识别方法 |
-
2018
- 2018-10-22 CN CN201811229000.3A patent/CN109272544B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4312241A1 (de) * | 1993-04-15 | 1994-10-20 | Deutsche Aerospace | Verfahren zur Nahtvermessung |
CN101419061A (zh) * | 2008-12-08 | 2009-04-29 | 北京航空航天大学 | 一种镜像式结构光视觉测量***和测量方法 |
CN102175180A (zh) * | 2011-02-25 | 2011-09-07 | 上海大学 | 基于嵌入式实时数字微镜模块的便携式光三维测量装置 |
CN107876970A (zh) * | 2017-12-13 | 2018-04-06 | 浙江工业大学 | 一种机器人多层多道焊接焊缝三维检测及焊缝拐点识别方法 |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111055054B (zh) * | 2020-01-13 | 2021-11-16 | 北京博清科技有限公司 | 一种焊缝识别方法、装置、焊接机器人及储存介质 |
CN111055054A (zh) * | 2020-01-13 | 2020-04-24 | 北京博清科技有限公司 | 一种焊缝识别方法、装置、焊接机器人及储存介质 |
CN111451670A (zh) * | 2020-02-24 | 2020-07-28 | 季华实验室 | 自动焊接方法、装置、设备及计算机可读存储介质 |
CN111402323A (zh) * | 2020-03-31 | 2020-07-10 | 北京博清科技有限公司 | 对接焊缝识别方法、装置、设备及存储介质 |
CN111402323B (zh) * | 2020-03-31 | 2021-09-17 | 北京博清科技有限公司 | 对接焊缝识别方法、装置、设备及存储介质 |
CN111504188A (zh) * | 2020-04-28 | 2020-08-07 | 湖北文理学院 | 基于机器视觉的圆弧零件测量方法及装置 |
CN111504188B (zh) * | 2020-04-28 | 2021-11-16 | 湖北文理学院 | 基于机器视觉的圆弧零件测量方法及装置 |
CN112396644A (zh) * | 2020-11-30 | 2021-02-23 | 安徽维德工业自动化有限公司 | 一种基于3d视觉检测技术的焊缝追踪方法 |
CN112809167A (zh) * | 2020-12-31 | 2021-05-18 | 哈尔滨工业大学 | 一种用于大曲率管件全位置焊接的机器人焊缝跟踪方法 |
CN113894481A (zh) * | 2021-09-09 | 2022-01-07 | 中国科学院自动化研究所 | 复杂空间曲线焊缝的焊接位姿调整方法及装置 |
CN113909720A (zh) * | 2021-09-24 | 2022-01-11 | 深圳前海瑞集科技有限公司 | 用于深波陡坡波纹板集装箱的焊接装置和焊接方法 |
CN113909720B (zh) * | 2021-09-24 | 2024-01-26 | 深圳前海瑞集科技有限公司 | 用于深波陡坡波纹板集装箱的焊接装置和焊接方法 |
CN113989379A (zh) * | 2021-10-02 | 2022-01-28 | 南京理工大学 | 基于线激光旋转扫描的轮毂焊缝三维特征测量装置及方法 |
CN113989379B (zh) * | 2021-10-02 | 2022-06-24 | 南京理工大学 | 基于线激光旋转扫描的轮毂焊缝三维特征测量装置及方法 |
CN113909689A (zh) * | 2021-11-10 | 2022-01-11 | 佛山市南海区广工大数控装备协同创新研究院 | 一种激光光条的管道焊接坡口特征提取方法 |
CN113909689B (zh) * | 2021-11-10 | 2024-04-05 | 佛山市南海区广工大数控装备协同创新研究院 | 一种激光光条的管道焊接坡口特征提取方法 |
CN114264243A (zh) * | 2021-12-31 | 2022-04-01 | 深圳明锐理想科技有限公司 | 一种检测压接焊点以及测量压接焊点之间线弧高度的方法 |
CN117237434A (zh) * | 2023-11-15 | 2023-12-15 | 太原理工大学 | 一种h型钢尺寸测量方法及装置 |
CN117237434B (zh) * | 2023-11-15 | 2024-02-09 | 太原理工大学 | 一种h型钢尺寸测量方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109272544B (zh) | 2020-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109272544A (zh) | 管道全位置焊缝的结构光三维测量模型和图像处理方法 | |
CN210046133U (zh) | 基于激光结构光的焊缝视觉跟踪*** | |
CN108765419B (zh) | 结构光视觉焊缝图像信息自适应提取方法 | |
Li et al. | Automatic welding seam tracking and identification | |
CN108637435B (zh) | 一种基于视觉与弧压传感的三维焊缝跟踪***及方法 | |
CN110717872B (zh) | 一种激光辅助定位下的v型焊缝图像特征点提取方法及提取*** | |
CN102279190B (zh) | 一种激光焊接不等厚板焊缝表面缺陷图像检测方法 | |
CN107798330A (zh) | 一种焊缝图像特征信息提取方法 | |
CN104400265B (zh) | 一种激光视觉引导的焊接机器人角接焊缝特征的提取方法 | |
CN110930368B (zh) | 一种薄板搭接焊缝实时焊接图像特征提取方法 | |
CN110480127A (zh) | 一种基于结构光视觉传感的焊缝跟踪***及方法 | |
CN210573937U (zh) | 一种辊压机辊面在线三维成像装置 | |
CN103500321A (zh) | 基于双动态窗的视觉引导焊接机器人焊缝快速识别技术 | |
CN114140439A (zh) | 基于深度学习的激光焊接焊缝特征点识别方法及装置 | |
CN109961429A (zh) | 一种基于单目红外图像的受电弓检测定位方法及*** | |
CN113554587A (zh) | 一种基于深度学习的熔池图像几何特征提取方法及*** | |
CN114283139A (zh) | 一种基于面阵结构光3d视觉的焊缝检测分割方法及装置 | |
Wu et al. | Research on robust laser vision feature extraction method for fillet welds with different reflective materials under uncertain interference | |
CN103247032A (zh) | 一种基于姿态补偿的微弱扩展目标定位方法 | |
CN113909689B (zh) | 一种激光光条的管道焊接坡口特征提取方法 | |
CN105689859A (zh) | 一种不同种类金属之间的连接方法和设备 | |
Lin et al. | Intelligent seam tracking of an ultranarrow gap during K-TIG welding: a hybrid CNN and adaptive ROI operation algorithm | |
CN108672988B (zh) | 一种焊缝跟踪偏差和焊缝交叉类型的自动识别方法 | |
CN114066752A (zh) | 面向焊缝跟踪的线结构光骨架提取及毛刺去除方法 | |
Xia et al. | Real-time seam tracking during narrow gap GMAW process based on the wide dynamic vision sensing method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |